Usando ML-Agents no Hugging Face

ml-agents é um toolkit de código aberto que permite que jogos e simulações feitos com Unity sirvam como ambientes para o treinamento de agentes inteligentes.

Explorando o ML-Agents no Hub

Você pode encontrar modelos do ml-agents filtrando à esquerda na página de modelos.

Todos os modelos no Hub vêm com recursos úteis:

1. Um cartão de modelo gerado automaticamente com uma descrição, uma configuração de treinamento e mais.
2. Tags de metadados que auxiliam na descoberta.
3. Arquivos de resumo do Tensorboard para visualizar as métricas de treinamento.
4. Um link para a demonstração web do Spaces, onde você pode visualizar seu agente jogando no seu navegador.

Instale a biblioteca

Para instalar a biblioteca ml-agents, você precisa clonar o repositório:

# Clone the repository
git clone https://github.com/Unity-Technologies/ml-agents

# Go inside the repository and install the package
cd ml-agents
pip3 install -e ./ml-agents-envs
pip3 install -e ./ml-agents

Usando modelos existentes

Você pode simplesmente baixar um modelo do Hub usando mlagents-load-from-hf.

mlagents-load-from-hf --repo-id="ThomasSimonini/MLAgents-Pyramids" --local-dir="./downloads"

Você precisa definir dois parâmetros:

• --repo-id: o nome do repositório do Hugging Face que você deseja baixar.
• --local-dir: o caminho para baixar o modelo.

Visualizar um agente jogando

Você pode facilmente assistir a qualquer modelo jogando diretamente no seu navegador:

1. Vá para o repositório do seu modelo.
2. Na seção Watch Your Agent Play, clique no link.
3. Na demonstração, na etapa 1, escolha o repositório do seu modelo, que é o id do modelo.
4. Na etapa 2, escolha qual modelo você deseja reproduzir.

Compartilhando seus modelos

Você pode enviar seus modelos facilmente usando mlagents-push-to-hf:

mlagents-push-to-hf --run-id="First Training" --local-dir="results/First Training" --repo-id="ThomasSimonini/MLAgents-Pyramids" --commit-message="Pyramids"

Você precisa definir quatro parâmetros:

• --run-id: o nome do id da execução de treinamento.
• --local-dir: onde o modelo foi salvo.
• --repo-id: o nome do repositório do Hugging Face que você deseja criar ou atualizar. Ele é <your huggingface username>/<the repo name>.
• --commit-message.

Recursos adicionais

• ML-Agents documentação
• Demonstrações demos oficiais dos Unity ML-Agents Spaces